图的深度优先和广度优先
图的深度优先搜索(Depth First Search):
- 深度优先遍历,从初始访问的结点出发,初始访问的结点可能有多个邻接点,深度优先的策略就是首先访问第一个邻接节点,然后再以这个被访问邻接节点作为初始的节点,访问他的第一个邻接结点,可以这样子理解,每次在访问完当前节点后,首先访问当前节点的第一个邻接结点
- 我们可以看到,这样的访问策略是优先往纵向挖掘深入,而不是对一个邻接结点的所有 邻接结点进行访问,
- 很显然,这是一个递归的过程
设计的基本思路:
- 初始访问结点v,并结点v已经访问,
- 查找v结点的第一个邻接结点
- 若w存在,则继续执行4,如果w不存在,则回到第一步,将从v的下一个节点继续进行
- 若w未被访问,对w进行深度优先的遍历递归,(即把w当做下一个w 然后开始123步骤)
- 查找结点v的临界点的下一个节点,转到步骤3
图的广度优先(Broad First Search)
- 类似于一个分层搜索的过程,广度优先遍历需要使用一个队列以保持访问结点的顺序,以便按照这个顺序来访问这些节点的邻接结点
步骤:
- 访问初始节点v并标记该节点已经进行了访问
- 结点v加入队列
- 当队列非空时,则继续执行,否则算法结束
- 出队列,取得对头节点u
- 查找结点u的第一个邻接节点w
- 若节点u的邻接节点w不存在,则转到步骤三,否则循环执行以下的三个步骤
- 若节点w上没有被访问,则访问结点w并标记为已访问
- 加点w入队列
- 查找结点u的继w节点的下一节点w然后转到步骤6
package com.ywystu.Graph;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;
/**
* @author 是狸猫啊!
* @Version 1.0
*/
public class Graph {
private ArrayList<String> vertexList;
private int [][] edges;
private int numOfEdges;
private boolean[] isvisit = {false,false,false,false,false};
public static void main(String[] args) {
int n = 5;
String[] VertexValue = {"A","B","C","D","E"};
Graph graph = new Graph(n);
for (String Vertexvalue :VertexValue) {
graph.insertVertex(Vertexvalue);
}
//添加边
graph.inserEdge(0,1,1);
graph.inserEdge(0,2,1);
graph.inserEdge(1,2,1);
graph.inserEdge(1,3,1);
graph.inserEdge(1,4,1);
graph.showGraph();
// graph.dfs();
graph.bds();
}
//深度优先算法
public void dfs(boolean[] isvisited,int i){
//访问该节点,并进行输出
System.out.print(getValueByIndex(i) + "->");
//将该节点设置为已经访问
isvisited[i] = true;
//查找节点i的第一个临节点w
int w = getFirstNeighbor(i);
while(w != -1){
if (!isvisited[w]){
dfs(isvisited,w);
}
//如果该节点已经访问过了
w = getNextNeighbor(i,w);
}
}
//广度优先搜索
private void bfs(boolean[] isvisited,int i) {
int u;//表示对应的头结点对应的下标
int w;//邻接节点w
//队列 记录节点访问的顺序
LinkedList<Object> queue = new LinkedList<>();
//访问这个节点,输出这个结点的信息
System.out.println(getValueByIndex(i)+ "=>");
//标记为已经访问
isvisited[i] = true;
//将节点加入队列
queue.addLast(i);
while (!queue.isEmpty()) {
u = (Integer)queue.removeFirst();
w = getFirstNeighbor(u);
while(w != -1){
if (isvisited[w]) {
System.out.println(getValueByIndex(w) + "=>");
isvisited[w] = true;
}
//以u为前驱结点,找w后面的下一个节点
w = getNextNeighbor(u,w);
}
}
}
//遍历所有的节点
public void bds(){
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isvisit[i]){
bfs(isvisit,i);
}
}
}
public void dfs(){
//遍历我们的所有节点,进行dfs
for (int i = 0; i < getNumOfVertex(); i++) {
if (!isvisit[i]){
dfs(isvisit,i);
}
}
}
//构造器,
public Graph(int n) {
edges = new int[n][n];
vertexList = new ArrayList<String>(n);
numOfEdges = 0;
}
/**
*
* @param index
* @return 如果存在,就返回对应的下标
*/
//得到第一个节点的临界点
public int getFirstNeighbor(int index){
for (int j = 0;j < vertexList.size();j++){
if (edges[index][j] > 0){
return j;
}
}
return -1;
}
//根据前一个邻接节点的下标,来获取下一个邻接节点
public int getNextNeighbor(int v1,int v2){
for (int j = v2 + 1;j < vertexList.size();j++){
if (edges[v1][j] > 0) {
return j;
}
}
return -1;
}
//图中常用的方法
//返回节点的个数
public int getNumOfVertex() {
return vertexList.size();
}
//得到边的数目
public int getNumOfEdges(){
return numOfEdges;
}
//返回节点i对应的数据
public String getValueByIndex(int i){
return vertexList.get(i);
}
//返回v1 和 v2的权值
public int getWeight(int v1,int v2){
return edges[v1][v2];
}
//显示图
public void showGraph(){
for (int[] link : edges){
System.out.println(Arrays.toString(link));
}
}
//插入节点
public void insertVertex(String vertex){
vertexList.add(vertex);
}
//这里是边,通过对应的矩阵
public void inserEdge(int v1,int v2,int weight){
edges[v1][v2] = weight;
edges[v2][v1] = weight;
}
}